基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了从故障轴承信号中提取包含故障信号的特征频率,提出了基于 LMD(Local Mean Decomposition, LMD)自适应多尺度形态学和 Teager 能量算子解调的方法。首先,采用 LMD 将目标信号分解成有限个 PF(Product Func-tion,PF)分量,分别对其进行多尺度形态学滤波,利用峭度准则优化形态学结构元素尺度,自适应寻求最优解,最后用Teager 能量算子计算各 PF 分量的瞬时幅值,通过瞬时 Teager 能量的 Fourier 频谱识别轴承的故障特征频率。为了验证理论的正确性,进行了数字仿真实验和轴承故障模拟实验,并与 EMD 形态学和包络解调方法进行了比较,结果表明该算法明显优于其他两种方法,对滚动轴承外圈、内圈和滚子故障的检测精度更高,能够清晰地提取出故障信号的频率特征。
推荐文章
一种自适应形态滤波算法及其在轴承故障诊断中的应用
数学形态学
自适应滤波
结构元素
滚动轴承
故障诊断
基于LMD多尺度熵与SVM的往复压缩机轴承故障诊断方法
往复压缩机
LMD
多尺度熵
轴承
故障诊断
基于小波包和Teager能量算子的齿轮故障诊断研究
齿轮箱
故障诊断
小波包
Teager能量算子
基于形态学滤波和EEMD方法的风力发电系统滚动轴承故障诊断
集合经验模态分解
形态滤波
滚动轴承
故障诊断
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于 LMD 自适应多尺度形态学和Teager 能量算子方法在轴承故障诊断中的应用
来源期刊 振动与冲击 学科 工学
关键词 滚动轴承 LMD 多尺度形态学 故障诊断 Teager 能量算子
年,卷(期) 2016,(3) 所属期刊栏目
研究方向 页码范围 7-13
页数 7页 分类号 TH165
字数 4051字 语种 中文
DOI 10.13465/j.cnki.jvs.2016.03.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨绍普 石家庄铁道大学交通环境与安全工程研究所 213 2459 27.0 42.0
2 张建超 北京交通大学机械与电子控制工程学院 56 177 7.0 10.0
4 武哲 北京交通大学机械与电子控制工程学院 5 77 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
滚动轴承
LMD
多尺度形态学
故障诊断
Teager 能量算子
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
振动与冲击
半月刊
1000-3835
31-1316/TU
大16开
上海市华山路1954号上海交通大学
4-349
1982
chi
出版文献量(篇)
12841
总下载数(次)
12
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导